Microsoft explora acreditar a los contribuyentes de datos de IA

Microsoft está iniciando un nuevo proyecto de investigación destinado a comprender cómo ejemplos de entrenamiento específicos influyen en los resultados de modelos de IA generativa, como texto, imágenes y otros medios. Esta iniciativa se destacó en una oferta de empleo de diciembre que recientemente resurgió en LinkedIn, buscando un interno de investigación para unirse al esfuerzo.

El objetivo del proyecto es desarrollar un método para entrenar modelos de modo que el impacto de datos particulares, como fotos y libros, en sus resultados pueda ser "estimado de manera eficiente y útil". La oferta de empleo señala que las arquitecturas actuales de redes neuronales carecen de transparencia para rastrear los orígenes de sus resultados, y hay razones convincentes para abordar este problema. Una razón mencionada es la posibilidad de ofrecer incentivos, reconocimiento e incluso compensación a individuos que aporten datos valiosos a futuros modelos de IA.

El trasfondo de esta investigación son las batallas legales en curso que involucran a empresas de IA, incluido Microsoft, sobre derechos de propiedad intelectual. Los modelos de IA a menudo se entrenan con vastos conjuntos de datos extraídos de sitios web públicos, que pueden incluir material protegido por derechos de autor. Mientras las empresas de IA suelen reclamar protección bajo la doctrina de uso justo, creadores de diversos campos—artistas, programadores, autores—cuestionan esta postura.

Microsoft enfrenta actualmente desafíos legales, incluida una demanda de The New York Times, que alega que Microsoft y OpenAI infringieron sus derechos de autor al usar sus artículos para entrenar sus modelos. Además, varios desarrolladores de software han demandado a Microsoft por su asistente de codificación GitHub Copilot AI, alegando que fue entrenado con su código protegido por derechos de autor.

El proyecto de investigación, denominado "training-time provenance", involucra a Jaron Lanier, un destacado tecnólogo en Microsoft Research. Lanier ha escrito previamente sobre "data dignity", abogando por un sistema que conecte el contenido digital con sus creadores y potencialmente los compense por sus contribuciones a los resultados de IA.

Aunque el proyecto de Microsoft está en sus primeras etapas, otras empresas como Bria, Adobe y Shutterstock ya están experimentando con la compensación a propietarios de datos basada en sus contribuciones a modelos de IA. Sin embargo, los grandes laboratorios de IA generalmente no han establecido programas de pago para colaboradores individuales, optando en cambio por acuerdos de licencia o mecanismos de exclusión para titulares de derechos de autor, que pueden ser engorrosos y limitados en alcance.

La iniciativa de Microsoft podría permanecer como una prueba de concepto, similar a la herramienta aún no lanzada de OpenAI para que los creadores controlen cómo se usan sus obras en los datos de entrenamiento. También hay especulaciones de que Microsoft podría estar intentando "lavar éticamente" sus prácticas de IA o anticiparse a desafíos regulatorios y legales.

Este movimiento de Microsoft es particularmente notable dado los recientes llamados de otros laboratorios de IA, como Google y OpenAI, para que el gobierno de EE. UU. relaje las protecciones de derechos de autor para el desarrollo de IA. Microsoft aún no ha respondido a solicitudes de comentarios sobre este proyecto.